【摘 要】
：
随着教育信息化的发展,学生可获取的教育资源数量逐渐增多,多维教育、在线学习等学习途径日益普及。而如今面对海量的学习资源学生群体难以迅速找到满足自身个性化需求的学习资源,因此在教育领域研究人员也开始应用基于人工智能的个性化推荐技术实现智能教育时代的“因材施教”。教育推荐系统可以充分分析学生的历史数据,获取学生的隐性学习偏好并由此向学生推荐满足其个性化需求的学习资源。就目前现有研究分析,以往的推荐方法
论文部分内容阅读
随着教育信息化的发展,学生可获取的教育资源数量逐渐增多,多维教育、在线学习等学习途径日益普及。而如今面对海量的学习资源学生群体难以迅速找到满足自身个性化需求的学习资源,因此在教育领域研究人员也开始应用基于人工智能的个性化推荐技术实现智能教育时代的“因材施教”。教育推荐系统可以充分分析学生的历史数据,获取学生的隐性学习偏好并由此向学生推荐满足其个性化需求的学习资源。就目前现有研究分析,以往的推荐方法只考虑学生之间对资源选择的相似性或是通过寻找相似学习者进行学习资源推荐,忽略了除学生与学习资源以外的其他辅助信息对推荐结果的影响,而异构信息网络恰好可以建模多类型数据并准确地反映实体之间存在的多类型关系,但网络中的多类型节点在不同上下文环境中具有的多方面节点嵌入信息仍被一些研究者所忽略。据此本文基于异构信息网络进行教育资源推荐的相关研究,旨在解决现有方法存在的缺陷从而提高个性化推荐结果的准确性,满足学生个性化学习需求。本文的主要研究工作如下:（1）首先为了考虑教育数据中所包含的多种类型信息,本文提出了基于异构知识图谱的高阶偏好传播推荐算法（HKGR）。通过知识图谱建模某高校图书馆图书借阅数据集,图书节点所关联的作者、类别等属性统一被视作网络中的实体。以学生借阅历史记录中的一本图书作为起点,该方法沿图谱定义的关系链接向外层获取高阶邻居信息,在每一阶通过信息汇聚方法来迭代更新起点的嵌入表示,再通过贝叶斯公式（Bayes formula）计算以当前知识图谱为条件从而生成实体嵌入表示的后验概率,以此得到更具解释性的学生对图书的点击率预测。通过将一些效果较好的主流方法作为基线方法进行实验结果的对比,HKGR在推荐的准确性上均超过了其他模型,证明了该模型的有效性以及在推荐系统中建模多类型辅助信息的必要性。（2）本文进而提出了基于多方面异构信息网络的MOOC知识概念推荐算法（MultiHIN）,旨在探索学生需要掌握的知识概念,先前的相关工作主要依赖于单一类型节点生成嵌入表示因此其大多数只具有有限的节点表示能力。鉴于此Multi-HIN可以考虑多种类型的实体嵌入对于学生学习偏好的影响,其中为了学习更准确的节点嵌入,模型将基于节点多次随机游走生成的不同上下文确定节点的多类型语义信息（即节点的多个方面）并视其为学生的多维兴趣,同时利用Gumbel-Softmax方法执行方面选择过程,动态地为每个节点分配一个当前方面嵌入。通过在公开数据集MOOCCube上进行大量实验,最终证明了该方法在知识概念推荐研究中的优越性。
其他文献
本报告是笔者基于口译实践而完成,选取的口译材料是2012年诺贝尔文学奖获奖者莫言的获奖感言。2012年12月8日,莫言在位于首都斯德哥尔摩老城的瑞典文学院发表演讲“讲故事的人”。作为诺贝尔文学奖得主,莫言此次讲话备受国内外关注,其言语朴素,表达内容却丰富深刻,极富内涵。作者在口译的过程中发现,要想将讲话内容与含义译为英语,除了语言能力,还需要时刻具备跨文化交际意识,在此基础上寻求口译策略,应对跨文
随着互联网技术的不断发展,机器翻译应运而生,为语言服务行业带来了翻天覆地的变化。机器翻译在文本处理速度和处理量方面具有人工翻译无法比拟的优越性,但在翻译质量和准确度方面,机器翻译仍存在很大的提升和优化空间。而译后编辑可以有效改善机器翻译,是人机交互翻译的重要体现。作为一种行之有效的翻译辅助手段,译后编辑已成为机器翻译系统的有机组成部分。因此,“机器翻译+译后编辑”模式得以推行,既能保证翻译质量,也
智能终端与互联网技术相结合促进了移动社交网络的迅速发展,移动社交逐渐成为日常生活中不可或缺的组成部分。作为人们展示兴趣、技能的平台,移动社交网络成为人们开展社交活动的重要载体。用户匹配在移动社交网络提供的各种服务中发挥着重要作用,精确高效的用户匹配,可以提高社交服务的质量,促进用户之间的交互。在用户匹配中,个人属性配置文件（特征描述和社交习惯）通常作为判断用户关系是否符合特定要求的依据。然而,个人
时间序列是具有时序关系的数据集合,广泛存在于自然界和社会生产生活中。受内、外部因素影响,时间序列通常具有非线性、不确定性的特征。如何从历史数据中学习其潜在的规律,预测数据未来的变化趋势,一直是研究者关注的课题。模糊认知图具有数值推理、可解释性等特点,在时间序列预测中得到广泛应用。本文在模糊认知图的基础上做了进一步的改进来分析和研究时间序列,主要包括以下内容:（1）为了在不确定的环境下对时间序列进行
由于人口数量不断增多,在一些公众场所内,容易聚集大量人群。当人群流量密集的场所中出现火灾、坍塌等紧急情况时,需要及时的对场所内的人员进行疏散。先前有学者通过组织一定数量的人员在某一特定场所内进行疏散演习,但此类方法需要耗费大量人力物力且不易复现。随着计算机仿真技术的发展,有学者开始在人群疏散领域中使用计算机仿真技术来模拟人群疏散过程,人群疏散仿真方法相比于传统的组织人员进行疏散演习方法可以节省人力
Leukemia is a type of blood cancer that affects both children and adults,and it is one of the leading causes of death all over the world.Acute lymphoblastic leukemia（ALL）is the most wellknown types of
近年来,在大规模突发事件中,情绪感染往往会导致踩踏、碾压等事故的发生,引起了公共安全领域的高度关注。随着信息通信技术的发展,人们可以通过信息-物理空间紧密相连。由于信息空间和物理空间人群具有异质性且会被复发性情绪二次伤害。因此,真实模拟信息-物理社会（Cyber-Physical Society,CPS）中人群情绪感染过程,对规避恐慌情绪蔓延、避免人群受到二次伤害以及为人群疏散提供指导非常重要。迄
In recent years,the Wi Fi sensor constrains the Human Action Recognition scheme to an immovable location when providing training samples,drastically reducing practical application.Furthermore,a locati
随着计算机技术和社交网络的飞速发展,日常生活中每时每刻都在产生海量数据,如何利用海量数据来实现智能任务已经成为当前的研究热点。在实际应用中,海量数据通常是以不同模态形式存在的,如文本、图像、视频、音频、3D模型等。虽然海量数据的存在形式不同,但是不同模态的数据可能具有高度的相关性甚至是描述同一事物。在当前基于多模态数据的研究中,利用不同模态数据相关性的跨模态智能及相关研究因其应用广泛而备受关注。跨
在“互联网+教育”时代,随着数据分析和信息科学的迅猛发展,在线课程在整个教育周期内得到了全面的推广和普及。学习者再也不受时间和空间的制约,可以随时随地被授予高质量教育,学习者的学习形式和受教育模式得以充分扩展。然而,在线课程中,由于学习者之间学习习惯和背景知识的差异,且师生之间缺乏沟通,导致难以实现教师的因材施教和学习者的个性化发展,进而很大程度上影响了学习者的学习效果。另外,日益庞大的学习者规模